针对入侵检测系统的多目标特征选择:对生物灵感优化算法的比较分析.

科学领域:

• 网络安全 网络安全
• 人工智能的人工智能
• 网络安全 网络安全

背景情况:

• 复杂的网络攻击需要先进的入侵检测系统 (IDS).
• 网络流量数据的高维度对IDS准确性和效率提出了挑战.
• 生物启发的元启发方法为优化IDS特征选择提供了有希望的方法.

研究的目的:

• 为了比较评估四个生物灵感的metaheuristics在IDS.多目标特征选择.
• 分析准确性,特征子集大小和计算效率之间的权衡.
• 根据特定的部署约束,为算法选择提供指导.

主要方法:

• 使用灰狼优化器 (GWO),遗传算法 (GA),粒子群优化 (PSO) 和群优化 (ACO) 来进行特征选择.
• 在X-IIoTID数据集中应用算法,进行全面的性能分析.
• 基于准确性,假阳性率 (FPR),假阴性率 (FNR) 和特征减少百分比的评估性能.

主要成果:

• 基因算法 (GA) 实现了最高准确率 (99.60%) 的0.39%的FPR.
• 灰狼优化器 (GWO) 提供了高精度 (99.50%) 的平衡,显著减少了65.08%的特征.
• 殖民地优化 (ACO) 证明了卓越的效率,产生最小的特征子集 (7 个特征,88.89%的减少) 精度为 97.65%.

结论:

• 选择IDS功能选择的算法应与特定的部署需求 (例如边缘,云) 保持一致.
• 存在不同的权衡区域:高精度 (GA/PSO/GWO),平衡 (GWO) 和以效率为重点 (ACO).
• 该研究为IDS提供了不同的生物灵感搜索范式的代表性比较.